Einführung

Freut mich, dich kennenzulernen! Mein Name ist Yoshiki und ich bin spezialisiert auf maschinelles Lernen und Deep Learning an der Universität! Dieses Mal möchte ich die Kantenerkennung mit Python und OpenCV erläutern. (Es ist auch, um mein Verständnis zu vertiefen lol) Vorerst werde ich mein Bestes geben, um Spaß zu haben und auch diejenigen zu verstehen, die sich fragen, was Python kann!

Was ist Kantenerkennung überhaupt?

In der Welt der Bildverarbeitung bedeutet der Rand einen Ort, an dem sich die Helligkeit im Bild plötzlich ändert, dies ist jedoch nicht sehr klar. Woran denken Sie normalerweise, wenn Sie die Wortkante hören? Die richtige Antwort ist für diejenigen, die an Kanten und Konturen denken! Mit anderen Worten, die Kantenerkennung ist eine Technologie, die nur die Konturfunktion extrahiert, um die Bildverarbeitung zu vereinfachen!

Verweise https://it-mint.com/2018/11/05/feature-value-in-image-recognition-whats-edge-detection-and-spatial-filter-1839.html

Umgebung

Dieses Mal wollte ich, dass jeder seine Hände bewegt, um das Programm auszuführen. Daher möchte ich es nicht lokal, sondern mit Google Drive und Google Colaboratory implementieren. Als Verdienst habe ich es gewählt, weil es praktisch ist, weil es verwendet werden kann, ohne die Bibliothek mit pip usw. zu installieren.

Eine Umgebung schaffen

1. Erstellen wir zunächst ein Google-Konto! (Wenn Sie es bereits haben, können Sie es verwenden.) Wenn Sie können, greifen Sie auf das Google-Laufwerk zu und melden Sie sich an.
Wenn Sie darauf zugreifen können, wählen Sie das Element Ordner über die neue Schaltfläche oben links aus. Wenn Sie darauf klicken, wird ein Namenseingabefeld angezeigt. Alles ist in Ordnung, aber ich habe es Edge genannt!
1. Dann denke ich, dass ein Ordner in Mein Laufwerk erstellt wird. Gehen Sie dann dorthin und erstellen Sie die Ordner Images und Src erneut über die neue Schaltfläche. In Bilder können Sie das Bild hochladen, das Sie als Kante erkennen möchten, oder das Bild nach der Kantenerkennung hochladen. Ich werde den Quellcode in Src schreiben.
Nun, es ist fast das Ende! Fügen Sie unter Bilder die Bilder ein, die Sie erkennen möchten! Sie können dies tun, indem Sie eine neue Schaltflächendatei hochladen. Wählen Sie in Src unten unter Neu die Option Google Colaboratory aus. (Wenn nicht, suchen und installieren Sie die App über Hinzufügen!) Nach der Auswahl sollten Sie zum Editor-Bildschirm weitergeleitet werden.
Schließlich zu den Spezifikationen von Google Colaboratory. ・ Bitte beachten Sie, dass Google Colaboratory in etwa 30 Minuten getrennt wird. Wenn die Verbindung getrennt wird, müssen Sie die Verbindung erneut herstellen. (Der Quellcode verschwindet nie lol) ・ Wenn Sie eine Verbindung herstellen, werden Sie wie unten gezeigt nach dem Code gefragt. Greifen Sie also auf die URL zu, um den Code zu erhalten!

・ Ändern Sie der Übersichtlichkeit halber den Namen von Untitled.ipynb. -Sie können aus der Dateispalte speichern. Lass es uns fleißig halten!

Quellcode

Ich war mir des objektorientierten Designs als Ganzes bewusst. Ich habe den grundlegenden Codekommentar in den Kommentaren hinterlassen.

import cv2

#------------Setting------------#
#Setting for using google drive
from google import colab
colab.drive.mount('/content/gdrive')

#Directory setting
b_dir='gdrive/My Drive/Edge/' #Setting working directory

#Experiment setting (Parameter setting for canny operator)
min_val=100
max_val=150

#Imput file setting
t_dir=b_dir+'Images/'
data='Pooh'
ext='.JPG'
org_name=t_dir+data+ext

#Output file setting
canny_name=t_dir+data+'_Canny _'+str(min_val)+'_'+str(max_val)+ext

#------------Image processing------------#

#Image read
org=cv2.imread(org_name)
if org is None:
  print('\n**********************************************************\n')
  print(org_name+' cannot be read\n')
  print('************************************************************\n')
else:
  #Grayscale image generation
  gray=cv2.cvtColor(org,cv2.COLOR_BGR2GRAY)

  #Apply image operator
  canny=cv2.Canny(gray,min_val,max_val)

  #Save image
  cv2.imwrite(canny_name,canny)

Erklärung (Anmerkungen)

Zunächst importieren wir OpenCV und legen das Verzeichnis fest.

Hier gibt es eine Einschränkung.

Die letzte Zeile ist Edge. Dies bezieht sich auf den Namen des Ordners, den Sie zuerst festgelegt haben. Schreiben Sie ihn also in den Namen des Ordners, den Sie zuerst erstellt haben.

import cv2

#------------Setting------------#
#Setting for using google drive
from google import colab
colab.drive.mount('/content/gdrive')

#Directory setting
b_dir='gdrive/My Drive/Edge/' #Setting working directory

Als Nächstes werden im Folgenden Parametereinstellungen, Einstellungen für Bilddateien und Einstellungen für Ausgabebilddateien vorgenommen.

Hier gibt es zwei Einschränkungen!

Der erste Punkt betrifft Parameter. Dieses Mal verwenden wir die Canny-Methode als Kantenerkennungsmethode. (Ich werde die Canny-Methode in diesem Artikel nicht erläutern.) Dieser Parameter ist ein Wert, den ich festgelegt habe, um mit diesem Wert eine Kante gut zu machen, sodass Sie ihn ändern können. .. Der zweite Punkt betrifft die Einstellung der Bilddatei. Ich denke, dass Sie das Bild in den Ordner "Bilder" hochgeladen haben. Speichern Sie das Bild daher vor der Erweiterung in Daten und der Erweiterung in ext.

#Experiment setting (Parameter setting for canny operator)
min_val=100
max_val=150

#Imput file setting
t_dir=b_dir+'Images/'
data='Pooh'
ext='.JPG'
org_name=t_dir+data+ext

#Output file setting
canny_name=t_dir+data+'_Canny _'+str(min_val)+'_'+str(max_val)+ext

Ausgabeergebnis

Mounted at /content/gdrive Wenn es so ausgegeben wird, ist es erfolgreich! Schauen Sie sich Bilder in Mein Laufwerk an. Das Bild mit Kantenerkennung sollte ausgegeben werden. Dann habe ich, wie der Titel schon sagt, Poo im Profilbild als Kante erkannt. Sehen Sie sich also das Ergebnis an.

Originalbild Poo

ぷーさん.JPG

Kantenerkennung Poo

ぷーさん_Canny _100_150.JPG

Es tut mir Leid ...

Schließlich

Ist Prost für gute Arbeit! Ich bin froh, wenn jemand bisher zusammen war lol Ich hoffe auch, dass dieser Artikel Sie daran interessiert, wie Python dies tun kann. Da dies mein erster Beitrag ist, beabsichtige ich, dies so sorgfältig wie möglich zu tun. Wenn Sie jedoch Fragen, Fragen oder Fehler haben, kommentieren Sie diese bitte. Ich werde weiterhin viele Artikel wie maschinelles Lernen schreiben. Bitte folgen Sie mir, wenn Sie möchten!

[GO] [Bildverarbeitung] Poo-san ist durch Kantenerkennung mit Python und OpenCV nackt!